<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0"><channel>
<title>Numpy - 翔宇亭IT乐园</title>
<link>http://www.biye5u.com</link>
<language>zh-cn</language>
<description>翔宇亭IT乐园</description>
<copyright>http://www.biye5u.com</copyright>
<generator>Rss Generator By NewAsp.Net</generator>
<docs>http://www.biye5u.com/article/rssfeed.asp</docs>
<image>
<title><![CDATA[翔宇亭IT乐园]]></title>
<url>http://www.biye5u.com/images/logo.gif</url>
<link>http://www.biye5u.com</link>
</image>
<item>
<title><![CDATA[NumPy数组操作之数组转置]]></title>
<link>/article/python/numpy/2025/6634.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-08-08 21:09:51</pubDate>
<description><![CDATA[在NumPy中，可以运用numpy.transpose()等函数实现数组维度的变换。
类似这样操作的函数主要包括以下几种：

 
 
  序号
  函数或操作
  描述
 
 
 
 
  1
  numpy.transpose()
  按照指定的顺序重新排列数组的轴
 
 
  2
  ndarray.T
  反转数组的轴
 
 
  3
  numpy.moveaxis()
  将指定的轴移动到特定位置
 
 
  4
  numpy.rollaxis()
  将指定的轴移动到目标位置
 
 
  5
  numpy.swa...]]></description>
</item>
<item>
<title><![CDATA[NumPy数组操作之修改数组形状]]></title>
<link>/article/python/numpy/2025/6633.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-08-06 10:30:40</pubDate>
<description><![CDATA[在实际应用过程中，人们常常需要修改已有数组的形状进行观察或计算。NumPy库中提供了大量的函数可以轻松的实现各种形状的变换。
在NumPy中常见的形状变换函数有以下几个。

 
 
  序号
  函数或属性名称
  描述说明
 
 
 
 
  1
  numpy.reshape()
  在不改变原数组数据的情况下修改数组的形状
 
 
  2
  numpy.ndarray.flat
  返回数组的一维迭代器
 
 
  3
  numpy.ndarray.flatten()
  返回原数组的一个拷贝，并展开为一维数组
 
 
  4
...]]></description>
</item>
<item>
<title><![CDATA[NumPy数组的创建函数]]></title>
<link>/article/python/numpy/2025/6632.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-08-03 09:17:42</pubDate>
<description><![CDATA[在前面文章中，介绍了使用NumPy库中的array函数创建数组的基本方法。为了方便用户在各种场景下创建出符合实际需求的数组，NumPy提供了众多的函数来实现各种数组的创建。
数组创建函数概览
下面列出了NumPy模块提供的一些创建数组的函数。

 
 
  序号
  函数名称
  描述
 
 
 
 
  1
  numpy.array()
  NumPy中最基本的数组创建函数
 
 
  2
  numpy.zeros()
  创建指定形状和数据类型的，数组元素全为0的数组
 
 
  3
  numpy.ones()
  创建指定形状和数据...]]></description>
</item>
<item>
<title><![CDATA[NumPy数组的相关属性]]></title>
<link>/article/python/numpy/2025/6631.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-08-02 11:49:51</pubDate>
<description><![CDATA[NumPy中提供了一系列的属性方便用户获取数组的一些基本信息，如数组的维度、数据的元素类型、数组的形状等。
NumPy数组的shape属性
NumPy数组的shape属性用于获取数组的形状信息，即数组每维的大小。该属性返回一个元组，元组中的每个数据代表数组每一维的大小。用户也可以使用该属性来修改数组每维的大小。
下面通过两个例子来演示NumPy数组shape属性的具体使用方法。
利用shape属性获取数组的形状信息
import numpy as np
arr = np.array([[11, 12, 13], [21, 22, 23]])
print(arr.shape)

...]]></description>
</item>
<item>
<title><![CDATA[NumPy 数组数据类型的转换]]></title>
<link>/article/python/numpy/2025/6630.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-07-31 07:19:06</pubDate>
<description><![CDATA[NumPy提供了几种方法来实现数组数据类型的转换，允许用户在不修改相关值的情况下来改变数据的存储方式。
运用astype()方法
astype是NumPy常用的数组数据类型转换方式，该方法创建数组的一个副本，并强制将数据转换为指定的数据类型。
下例中使用NumPy的astype()方法将一个整型数组转换为一个浮点类型数组。
import numpy as np

# 创建一个整型NumPy数组
arr = np.array([1, 2, 3, 4, 5])print(&quot;原数组:&quot;, arr)print(&quot;原数据类型dtype:&quot;, arr.dtype)# 将数组转换为浮点类型ar...]]></description>
</item>
<item>
<title><![CDATA[NumPy的数据类型]]></title>
<link>/article/python/numpy/2025/6629.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-07-27 08:49:06</pubDate>
<description><![CDATA[NumPy支持的数据类型远比Python本身要多，下表给出了NumPy中定义的标量类型。

 
 
  类型名称
  含义 
 
 
 
 
 
 
  bool_
  布尔类型，仅有True或False两个值，用1个字节来存储 
 
 
  int_
  默认的有符号整数类型，类似C语言中的long类型，在32位机上为32位，在64位机上为64位。
 
 
  intc
  与C语言中的int兼容。
 
 
  intp
  用于索引的整数类型（类似于C的ssize_t，通常情况下仍然是Int32或int64）
 
 
  int8
...]]></description>
</item>
<item>
<title><![CDATA[NumPy中的ndarray对象]]></title>
<link>/article/python/numpy/2025/6628.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-07-22 08:36:18</pubDate>
<description><![CDATA[NumPy模块提供的最重要的对象是ndarray（N-dimensional array，N维数组）。
NumPy ndarray是一系列具有相同数据类型数据元素的集合。
每个数据元素占有的内存区域大小相同，并由称为dtype数据类型的对象表示。
NumPy ndarray数组的索引从0开始。
从ndarray对象中提取的任何数据项（通过切片获取到的）都由数组标量类型之一的Python对象表示。
ndarray、dtype和数组标量类型之间的关系如下图所示：

NumPy ndarray的维数和数据元素数量由其shape属性进行定义，该属性是包含N个非负整数的元组对象，每个非负整...]]></description>
</item>
<item>
<title><![CDATA[NumPy的安装]]></title>
<link>/article/python/numpy/2025/6627.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-07-18 16:10:20</pubDate>
<description><![CDATA[Python本身并不包含NumPy模块，如果需要需自己进行安装。
下面简单介绍一下安装NumPy的几种情形和方法。
（1）直接使用pip进行安装
安装NumPy最简单的方式是使用pip工具，其语法格式如下：
pip install numpy
如果计算机中安装了python2.x和Python 3.x两个版本，则上面默认使用Python2.x版本进行安装，如果需要指定Python3.x版本，则可以使用下面的安装方式。
pip3 install numpy
在默认情况下，以上两个使用国外线路进行安装，一般速度较慢，甚至安装失败。则可以使用国内镜像网站进行安装，如使用清华大学镜像网站...]]></description>
</item>
<item>
<title><![CDATA[Numpy简介]]></title>
<link>/article/python/numpy/2025/6626.html</link>
<author>本站</author>
<category><![CDATA[Numpy]]></category>
<pubDate>2025-07-15 11:13:58</pubDate>
<description><![CDATA[NumPy（Numerical Python）是Python中用于科学计算的基础包。其提供了多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种例程，包括数学、逻辑、形状操作，排序，选择，I/O，离散傅里叶变换，基本线性代数，基本统计操作，随机模拟等等。
NumPy包的核心是narray对象。其封装了同构数据类型的n维数组，许多操作在编译后的代码中执行，以提高性能。NumPy数组和标准Python序列之间有几个重要的区别：

 NumPy数组在创建时具有固定的大小，不像Python列表（可以动态增长）。更改narray的大小将创建一个新数组并删除原来的数组。
 N...]]></description>
</item></channel></rss>

